谷歌推出 FACTS 基准：AI 模型准确率遭遇 70% 天花板

近日，谷歌 FACTS 团队携手数据社区 Kaggle 推出 FACTS 基准套件，弥补当前 AI 评测在“事实准确性”上缺少统一标准的问题。这个套件给出了一套完整的评估框架，尤其适合法律、金融、医疗等对准确率要求极高的领域。

图源说明：图片由 AI 生成，授权服务商 Midjourney

FACTS 将“事实性”拆成两类：其一是“上下文事实性”，即基于给定资料做出准确回答；其二是“世界知识事实性”，依靠模型记忆或联网检索获取信息。首轮测试显示，Gemini3Pro、GPT-5、Claude4.5Opus 等模型在该基准上的准确率都未超过 70%。

FACTS 不只是做问答，它由四类测试构成，贴近工程实战中的常见失误场景。具体包含：参数基准（内部知识）、搜索基准（工具使用）、多模态基准（视觉）与上下文基准。谷歌公开了 3513 个样例，Kaggle 也保留了一部分私有数据，避免开发者对测试集“背题”训练。

从首批结果看，Gemini3Pro 以 68.8% 的综合 FACTS 分数领先，随后是 Gemini2.5Pro（62.1%）和 OpenAI 的 GPT-5（61.8%）。其中，Gemini3Pro 在“搜索”基准上拿到 83.8%，但在“参数”测试中为 76.4%。这提示企业在搭建 RAG 等知识检索增强方案时，最好把模型与搜索工具或向量库结合，以提升准确率。

但需要注意，多模态任务整体成绩偏低。即便是表现领先的 Gemini2.5Pro，在这一项也只有 46.9% 的准确率。这说明当前多模态 AI 在无监督数据提取方面仍不成熟，企业在产品设计时应保持谨慎。

要点速览：

🌟 所有被测模型总体准确率都没超过 70%，仍有较大提升空间。

🔍 Gemini3Pro 搜索能力亮眼，但在参数/内部知识任务上仍需加强。

⚠️ 多模态在数据提取上准确性不足，落地应用需谨慎。